[发明专利]一种基于分层状态机的混合式驾驶方法有效
申请号: | 201910574456.1 | 申请日: | 2019-06-28 |
公开(公告)号: | CN110304074B | 公开(公告)日: | 2020-07-31 |
发明(设计)人: | 胡江平;吕维;李咏章 | 申请(专利权)人: | 电子科技大学 |
主分类号: | B60W50/00 | 分类号: | B60W50/00;B60W60/00;G05D1/02 |
代理公司: | 成都行之专利代理事务所(普通合伙) 51220 | 代理人: | 温利平 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 分层 状态机 混合式 驾驶 方法 | ||
1.一种基于分层状态机的混合式驾驶方法,其特征在于,包括以下步骤:
(1)、利用传感器感知环境信息
在车联网方式下,利用传感器获取智能车道和周围两边车道前方和后方最近车辆的距离、速度信息,以及智能车的速度信息以及GPS导航和路网文件;
(2)、利用分层状态机的顶层状态机认定具体场景
顶层状态机M顶=(Q顶,Σ顶,δ顶,q0顶,F顶),其中,Q顶为位于不同场景之间的特定状态;Σ顶为GPS坐标、地图、任务文件构成的对场景认定的特定约束,作为输入事件;q0∈Q为系统的初始状态;在时刻i,系统处于状态qi顶时,qi顶∈Q顶,接受输入事件ai后,δ顶为状态迁移到新状态的概率分布;是系统任务完成的终止状态;
(3)、利用分层状态机的底层状态机规划驾驶动作
底层状态机M底=(Q底,Σ底,δ底,q0底,F底),Q底为决策过程的各子阶段状态,Σ底为决策过程中产生的各种换道逻辑,δ底采用全概率转移,q0底为决策开始的初始阶段状态,F底为车道保持和换道决策结果对应的状态集合;
(4)、基于步骤(3)规划的驾驶动作,利用滚动时域优化的局部路径规划方法进行具体驾驶路线及指令的规划
(4.1)、在Frenet坐标系下,初始时刻t0,智能车横、纵向方向的位置、速度、加速度状态分别为(l0,l′0,l″0),(s0,s′0,s″0),规划路径的末时刻为t1,其状态为(l1,l′1,l″1),(s1,s′1,s″1),智能车轨迹的制动周期为T=t1-t0;
(4.2)、智能车横向控制
(4.2.1)、设置目标配置集合[l1,l′1,l″1,T]=[d,0,0,t],d为横向位置,t为决策时间;
(4.2.2)、设置横向控制的代价函数:CL=kjmax(|at0-at|)+ktT+kd|l1-llabel|
其中,max(|at0-at|)表示决策时间t内最大加速度的变化值,保证智能车舒适性,T为制动时间,要求智能车能短时间内制动,|l1-llabel|为末状态的横向位移与车道线中心的距离,保证车辆不会偏离目标车道中心线,中心线位置为llabel;kj、kt和kd为惩罚性系数;
(4.2.3)、基于代价函数,通过配置d和t来进行轨迹采样,从而在备选轨迹集合中选取代价函数最小的最优的轨迹;
(4.3)、智能车纵向控制
(4.3.1)、跟车:t1时刻车辆速度为前车速度,位置为前车位置减去安全距离,加速度为0;
(4.3.2)、车速保持:设置目标配置集合:
[s′1,s1″,T]=[s',0,t]
其中,s'为纵向速度,t为决策时间;
制定车速保持的代价函数:
其中,s′label为需要保持的纵向速度;
基于代价函数,通过配置s'和t来进行轨迹采样,从而在备选轨迹集合中选取代价函数最小的最优的轨迹;
(4.3.3)、停车:设置目标配置集合:
[s1,s′1,s″1,T]=[d*,0,0,t]
其中,d*为纵向位置,t为决策时间;
制定停车的代价函数:
基于代价函数,通过配置d*和t来进行轨迹采样,从而在备选轨迹集合中选取代价函数最小的最优的轨迹;
(5)、轨迹二维合成
其中,kL横行控制系数,kS纵向控制系数;τ=1,2,当τ=1时,取车速保持的代价函数当τ=2时,取车速保持的代价函数
(6)、智能车按照合成轨迹进行安全驾驶。
2.根据权利要求1所述的基于分层状态机的混合式驾驶方法,其特征在于,所述底层状态机在决策过程中产生的各种换道逻辑为:
(2.1)、产生换道意图
利用车头时距去衡量是否离前方车辆足够近,即:
TH=d/vhost
其中,d为前后车辆车头间距,vhost为后车的速度;
当TH值大于预设阈值,则不存在换道动机,进行车道保持;否则,存在空间层面的换道动机,并进行后续步骤判断;
(2.2)、交通规则下的车道选择
在实际交通规则的约束下,根据实际车况路况,选择邻近的一条具体可行的车道,优先考虑临界左车道;若当前路段不允许变道,则进行车道保持,否则进行后续步骤判断;
(2.3)、计算换道的风险系数
(2.3.1)、计算智能车与目标车道后方跟随车的风险系数P1:
其中,τ∈(0,t),反应了加速度对纵向位移的影响,d0为在换道初始阶段智能车的车尾部和跟随车的车头部的横向距离,as-host和vs-host为智能车的加速度和速度,as-follow和vs-follow为后方跟随车辆的加速度和速度,dtb为智能车与跟随车的实际距离;
(2.3.2)、计算智能车与目标车道前方前导车的风险系数P2:
其中,ksafe为驾驶员的敏感系数,L1为前导车车辆长度,L2为冗余距离;
(2.3.3)、综合判断
判断步骤(2.3.1)和(2.3.2)计算得到的风险系数均小于预设阈值,则执行换道策略,否则,进行车道保持。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910574456.1/1.html,转载请声明来源钻瓜专利网。